[从线性代数我们知道线性算子是可交换的和可关联的。
在深度学习世界中，此概念用于证明在NN层之间引入非线性是合理的，这种现象俗称linear lasagna，（reference）。
在信号处理中，这是优化内存和/或运行时要求（reference）的众所周知的技巧。
因此，从不同的角度来看，合并卷积是一个非常有用的工具。如何使用PyTorch实施？
[如果我们有y = x * a * b（其中*表示卷积，而a, b是您的内核），我们可以定义c = a * b使得y = x * c = x * a * b如下：